在群智感知网络中基于置信区间的用户感知质量评估方法
【技术领域】
[0001] 本发明涉及一种在群智感知网络中基于置信区间的用户感知质量评估方法。
【背景技术】
[0002] 在群智感知网络中，由于用户低成本、低耗费的感知设备易产生感知噪声，导致感 知数据很不准确。因此，用户感知质量主要是指用户的感知噪声。用户感知质量随着他们 感知设备的不同而不同，并且还随着用户使用手机方式的变化而变化，如将手机拿在手上、 放在衣服口袋里以及放在背包里的感知噪声都不同。由于感知用户不受控制以及隐私保护 的考虑，想从用户直接获取他们的感知质量是非常困难的。但是用户的感知质量对于群智 感知网络是非常重要的。例如，它可以作为一个指标来评判感知用户对群智感知应用的贡 献，以便于设计用户的激励机制，而这是群智感知网络中又一项关键的工作。同时，用户感 知质量也可以被群智感知网络中心平台用来根据需求挑选合适的感知用户。此外，准确评 估各个用户的感知质量是评估感知数据融合后精度的基础。因此，评估每个用户的感知质 量是群智感知网络中一项很基础而又非常重要的工作。
[0003] 目前，只有少量工作对群智感知网络中用户感知质量评估进行了研究。但是，当前 的研究都不能有效地评估和度量用户的感知质量。
【发明内容】
[0004] 本发明的目的是提供一种在群智感知网络中基于置信区间的用户感知质量评估 方法。
[0005] 为了实现上述目的，采用以下技术方案：一种在群智感知网络中基于置信区间的 用户感知质量评估方法，其特征在于：所述方法包括下列步骤：
[0006] 步骤一：利用最大期望方法，分别得到用户感知噪声Ψ的最大似然估计值#，污 染源存在性参数3的最大似然估计值彡，
[0007] 其中即
V j表示第j个污染源的存在性，V 1或者V J = 〇表示第j个污染源存在或者不存在。令表示第t步迭代中第j个污染源存在性参数的 估计值，即P( V .j= 1)的估计值，则：j = 1，2···M
[0010] Hilj, 分别表示第i个感知用户关于第j个污染源的污染浓度测量值和感知位 置；
[0011] %；；和4分别表示第j个污染源的位置和总强度；
[0012] < 11和of u分别表示第i个用户感知噪声的均值和均方差在第t-Ι次迭代的估 计值；
[0013] 表示感知到第j个污染源的用户集合；
[0014] 第i个用户在第t步迭代中感知噪声参数的估计值为：i = 1，2. ..，N
[0018] 民表示第i个用户感知到的污染源集合；
[0019] Ji表示该集合中元素的个数；
[0020] 通过逐步迭代，所提算法最终能够得到用户感知噪声和污染源存在性参数的最大 似然估计值；
[0021] 步骤二：
[0022] 利用最大似然估计的渐近正态性和Fisher信息来计算用户感知质量的置信区 间，即问土 Δ",.]和问土 Δα;.];
[0026] <表示第i个感知用户关于第j个污染源的感知位置；义和〇分别表示第j个污 染源的位置和总强度；
[0027] c p表示置信度P %的标准正态分布值；
[0028] 4和4是表示第i个用户感知噪声的均值U1和均方差σ i的最大似然估计值；
[0029] 4为4的最大似然估计值；
[0030] %表示被第i个用户感知到的污染源集合，J1表示该集合中元素的个数。
[0031] 本发明利用数理统计中的最大期望算法、最大似然估计的渐近正态性以及Fisher 信息，提出了一种能够准确计算用户感知质量置信区间的方法。所提方法通过迭代，成功 地同时解决了感知质量和污染源的不确定性，对不确定的用户感知质量给出了确定性的评 估，即它的置信区间。
[0032] 本发明所提算法非常简单，同时时间复杂度也很低。对于基于最大期望的参数估 计部分，其时间复杂度为〇(Ν · M · K)，其中N、M和K分别表示感知用户的人数、污染源的个 数以及算法迭代的次数。对于置信区间计算部分，其时间复杂度为〇(Ν·Μ)。因此，所提算 法具有线性时间复杂度，即〇(Ν · M · Κ)。
【附图说明】
[0033] 图1为本发明的步骤示意图；
[0034] 图2为单个用户感知质量（噪声均值）的实际估计误差与置信区间长度比较；
[0035] 图3为单个用户感知质量（噪声均方差）的实际估计误差与置信区间长度比较；
[0036] 图4为所有用户感知质量（噪声均值）的置信区间成功概率与置信度的比较；
[0037] 图5为所有用户感知质量（噪声均方差）的置信区间成功概率与置信度的比较；
[0038] 图6为置信度对感知质量（噪声均值）的置信区间成功概率的影响；
[0039] 图7为置信度对感知质量（噪声均方差）的置信区间成功概率的影响；
[0040] 图8为感知用户人数对感知质量（噪声均值）的置信区间成功概率的影响；
[0041] 图9为感知用户人数对感知质量（噪声均方差）的置信区间成功概率的影响。
【具体实施方式】
[0042] 下面结合附图和具体实施例对本发明做进一步说明。
[0043] 已知感知数据集合Ζ、污染源的参数集合Φ和置信度P %，
[0044] 污染源的参数集合 分别表示第j个污染源的位 置和总强度。
[0045] 用户的感知数据集合：
，mi]，分别表示第i个 感知用户关于第j个污染源的污染浓度测量值和感知位置。B7:表示感知到第j个污染源 的用户集合。
[0046] 在未知污染源存在性信息和用户感知噪声参数的情况下，如何计算每个用户感知 质量的置信区间，即用户感知噪声参数的置信区间，如公式1-1中的噪声均值置信区间和 公式1-2中的噪声均方差置信区间。
[0049] 其中，化和σ i分别表示第i个用户感知噪声的均值和均方差；爲 和％分别表示感知噪声的均值U1和均方差σ i的估计值；污染源的参数集合 CN 105184062 A 说明书 4/8 页
A，。分别表示第j个污染源的位置和总强度。
[0050] 为了解决上述问题，本发明提出了一种基于置信区间的用户感知质量评估方法， 称为FSP(Feel Sensors'Pulse)。如图1所示，FSP方法主要由两部分组成，即基于最大期 望的参数估计和用户感知质量的置信区间计算。第一步，利用最大期望方法，计算用户感知 噪声参数的最大似然估计值（即纟和我），以及污染源存在性参数的估计值9第二步，基 于这些估计值，利用最大似然估计的渐近正态性和Fisher信息来计算用户感知质量的置 信区间，即[4 土 Δ";.]和 ^ 士 Δσ) 1。
[0051] 1、基于最大期望的参数估计
[0052] 选择污染源存在性参数集#作为隐含变量，即沒= =1,2...,.Μ}。因此，基于隐 含变量的感知数据集合的似然函数为：
[0054] 其中V j表示第j个污染源的存在性，V 1或者V 0表示第j个污染源存 在或者不存在。Ui表示感知到第j个污染源的用户集合。S/和\分别表示第j个污染源 不存在和它存在两种情况。/K% I <)表示在第j个污染源不存在条件下感知值Zl j的条件 概率。I $ >表示在第j个污染源存在条件下感知值Ζι^的条件概率。
[0055] 令表示第t步迭代中第j个污染源存在性参数的估计值，即p ( V ,= 1)的估计 值，则：j = 1，2···Μ
m,，Λ；分别表示第i个感知用户关于第j个污染源的污染浓度测量值和感知位置。$和? 分别表示第j个污染源的位置和总强度。和ofW分别表示第i个用户感知噪声的均值 和均方差在第t-Ι次迭代的估计值。表示感知到第j个污染源的用户集合。
[0058] 第i个用户在第t步迭代中感知噪声参数的估计值为：i = 1，2. ..，N
[0061] 其中，
琢表示第i个用户感知到的污染源集合，J1表示该集合 中元素的个数。
[0062] 综上，通过逐步迭代，所提算法最终能够得到用户感知噪声和污染源存在 性参数的最大似然估计值，用t和I分别表示它们，即
和
[0063] 2、用户感知质量的置信区间计算
[0064] 利用最大似然估计的渐近正态性和Fisher信息来推导和计算用户感知质量的置 信区间。首先，基于上面的估计结果，推导感知噪声的Fisher信息矩阵。最后，根据这个矩 阵，利用最大似然估计的渐近正态性，推导出用户感知质量的置信区间。
[0065] Fisher信息计算
[0066] Fisher信息是表征随机观察变量Z携带关于未知参数Θ的信息。
[0067] 其中，观察变量Z的概率分布依赖于未知参数Θ的值。为了便于Fisher信息的 推导和计算，我们利用得到的污染源存在性参数的估计值及，根据公式中的似然函数，得 到近似的似然函数如公式所示。这样处理的合理性是，利用迭代估计算法计算的污染源存 在性参数估计值与真实值很接近，可以作为真实值的近似值。
[0069] 其中Θ表示用户感知噪声参数向量，形式化表示为：
[0072]基于公式中的似然函数，根据文献CoverTM, Thomas JA. Elements of information theory, Wiley-interscien